資源描述：
《基于鏈路預(yù)測(cè)的社交網(wǎng)絡(luò)推薦系統(tǒng)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、碩士學(xué)位論文題目：基于鏈路預(yù)測(cè)的社交網(wǎng)絡(luò)推薦系統(tǒng)研究研究生楊星專業(yè)管理科學(xué)與工程指導(dǎo)教師卜心怡教授完成日期2016年1月萬方數(shù)據(jù)杭州電子科技大學(xué)碩士學(xué)位論文基于鏈路預(yù)測(cè)的社交網(wǎng)絡(luò)推薦系統(tǒng)研究研究生：楊星指導(dǎo)教師：卜心怡教授2016年1月萬方數(shù)據(jù)DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterTheResearchonRecommendSystemsBasedonLinkPredictioninSocialNetworksCandidate:YangXingSupervisor:Pr
2、of.BuXinyiJanuary，2016萬方數(shù)據(jù)杭州電子科技大學(xué)學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品或成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。申請(qǐng)學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切相關(guān)責(zé)任。論文作者簽名：日期：年月日學(xué)位論文使用授權(quán)說明本人完全了解杭州電子科技大學(xué)關(guān)于保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬杭州電子科技大學(xué)。本
3、人保證畢業(yè)離校后，發(fā)表論文或使用論文工作成果時(shí)署名單位仍然為杭州電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)校可以公布論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。（保密論文在解密后遵守此規(guī)定）論文作者簽名：日期：年月日指導(dǎo)教師簽名：日期：年月日萬方數(shù)據(jù)杭州電子科技大學(xué)碩士學(xué)位論文摘要近十年來，隨著社交網(wǎng)絡(luò)的急劇發(fā)展，研究社交網(wǎng)絡(luò)中用戶以及用戶之間的關(guān)系構(gòu)成的復(fù)雜網(wǎng)絡(luò)是面臨的新問題。推薦系統(tǒng)的誕生雖然一定程度緩解了社交網(wǎng)絡(luò)的信息過載和信息迷茫，然而，社交網(wǎng)絡(luò)中的推薦系統(tǒng)和傳統(tǒng)的推薦系統(tǒng)不同。傳統(tǒng)的推薦系統(tǒng)只注意數(shù)據(jù)實(shí)體自己
4、，而社交網(wǎng)絡(luò)推薦系統(tǒng)對(duì)數(shù)據(jù)實(shí)體之間的連接同樣關(guān)注。社交網(wǎng)絡(luò)與傳統(tǒng)靜態(tài)網(wǎng)絡(luò)不同，它是一種動(dòng)態(tài)網(wǎng)絡(luò)，伴隨著時(shí)間的變化，網(wǎng)絡(luò)中不停的有新的實(shí)體和連接加入，也不停的有老的實(shí)例和連接消逝，這種動(dòng)態(tài)變化的性質(zhì)決定了社交網(wǎng)絡(luò)的研究與傳統(tǒng)靜態(tài)網(wǎng)絡(luò)的研究會(huì)存在很大差異。鏈路預(yù)測(cè)在這種背景下應(yīng)時(shí)而生，社交網(wǎng)絡(luò)中的鏈路預(yù)測(cè)是指通過已獲悉的網(wǎng)絡(luò)用戶節(jié)點(diǎn)、拓?fù)浣Y(jié)構(gòu)等多種信息，預(yù)測(cè)社交網(wǎng)絡(luò)中沒有產(chǎn)生連接的兩個(gè)用戶節(jié)點(diǎn)之間產(chǎn)生連邊的概率。顯然，只要預(yù)測(cè)的精度足夠高，必然會(huì)提升用戶對(duì)社交網(wǎng)站的滿意度和忠誠(chéng)度。鑒于社交網(wǎng)絡(luò)的復(fù)雜現(xiàn)狀，本文針對(duì)社交網(wǎng)絡(luò)，建立基于鏈路預(yù)測(cè)的社交網(wǎng)絡(luò)推薦系統(tǒng)模型，研究了影
5、響用戶之間相互關(guān)系的一些因素，提出了基于結(jié)合算法的鏈路預(yù)測(cè)方法。首先，總結(jié)網(wǎng)絡(luò)平均路徑長(zhǎng)度、聚類系數(shù)、度分布理論等基本性質(zhì)的基礎(chǔ)上，基于圖論的相關(guān)思想，將鏈路預(yù)測(cè)引入社交網(wǎng)絡(luò)中，構(gòu)建基于鏈路預(yù)測(cè)的社交網(wǎng)絡(luò)推薦系統(tǒng)模型。對(duì)常見的基于節(jié)點(diǎn)接近性的鏈路預(yù)測(cè)方法、基于釋然分析的鏈路預(yù)測(cè)以及基于概率的鏈路預(yù)測(cè)三類鏈路預(yù)測(cè)方法進(jìn)行詳細(xì)介紹。然后，在比較頂點(diǎn)度特征、優(yōu)先鏈接特征、共同鄰居特征（CommonNeighbors，CN）、Adamic-Adar指標(biāo)等多種基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的指標(biāo)的基礎(chǔ)上，選擇基于共同鄰居的接近性方法作為網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)接近性的基準(zhǔn)方法；并且，將每個(gè)新浪微博用戶
6、的節(jié)點(diǎn)屬性劃分為背景信息、社交信息、微博文本、交互信息四類，通過分析篩選出具有代表的4種節(jié)點(diǎn)屬性指標(biāo)，在此基礎(chǔ)上定義了基于用戶粉絲數(shù)量、關(guān)注用戶數(shù)量、用戶所發(fā)微博數(shù)量、轉(zhuǎn)發(fā)數(shù)量四種微博用戶屬性的接近性算法；最后提出了一種結(jié)合用戶屬性特性和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的社交網(wǎng)絡(luò)鏈路預(yù)測(cè)方法——結(jié)合算法，將基于網(wǎng)絡(luò)結(jié)構(gòu)特征的CN指標(biāo)和其他四個(gè)基于微博用戶屬性的接近性指標(biāo)用最簡(jiǎn)單的線性結(jié)合方式，分別結(jié)合起來提出四種結(jié)合算法。實(shí)驗(yàn)數(shù)據(jù)采用中國(guó)爬盟抓取的新浪微博數(shù)據(jù)，包含用戶信息和微博信息兩類20多種屬性，實(shí)驗(yàn)結(jié)果表明，本文提出的結(jié)合算法與傳統(tǒng)的鏈路預(yù)測(cè)算法相比，基于結(jié)合算法的鏈路預(yù)測(cè)算法應(yīng)
7、用于社交網(wǎng)絡(luò)推薦系統(tǒng)，能夠涵蓋社交網(wǎng)絡(luò)的有效特性，提高了鏈路預(yù)測(cè)的準(zhǔn)確率，獲得優(yōu)于傳統(tǒng)方法的效果，說明本文提出的方法具有合理性和有效性。關(guān)鍵詞：社交網(wǎng)絡(luò)，鏈路預(yù)測(cè)，結(jié)合算法，節(jié)點(diǎn)屬性I萬方數(shù)據(jù)杭州電子科技大學(xué)碩士學(xué)位論文AbstractOverthepastdecade,withtherapiddevelopmentofthesocialnetworks,researchonthecomplexnetworkswhichconstitutestheusersandtherelationshipbetweentheusershasbecomenewproblem.
